Anthropic e AI nel lavoro: i giovani a rischio
AI, Lavoro & Organizzazione
Anthropic, AI e lavoro: il vero rischio non è la disoccupazione di massa, ma il collasso del lavoro junior
Il nuovo studio di Anthropic su AI nel lavoro dice che l’AI non sta ancora facendo esplodere la disoccupazione. Ma sarebbe un errore fermarsi lì: il segnale più importante riguarda assunzioni, formazione e accesso alle professioni. Ed è un segnale molto più strutturale di quanto sembri.
Sul tema avevamo già ragionato anche nel nostro approfondimento su
come l’intelligenza artificiale sta cambiando il futuro del lavoro
, ma il report di Anthropic aggiunge un elemento più specifico: il possibile impatto sul lavoro junior e sulla formazione delle competenze.
Cosa misura il report Anthropic su AI e lavoro
Quando si parla di intelligenza artificiale e mercato del lavoro, il dibattito pubblico tende ancora a muoversi tra due estremi opposti. Da una parte c’è il racconto apocalittico: milioni di posti spazzati via, professioni obsolete, uffici svuotati. Dall’altra c’è il riflesso rassicurante: l’AI aiuta, accelera, suggerisce, ma alla fine non cambia davvero gli equilibri occupazionali.
Il report di Anthropic Labor market impacts of AI: A new measure and early evidence è interessante proprio perché prova a uscire da questa polarizzazione. Il suo valore, però, non sta solo nella risposta che offre ma nella domanda che costringe a porsi: l’AI sta eliminando lavoro, oppure sta trasformando il modo in cui si entra nel lavoro, si cresce dentro le organizzazioni e si costruiscono le competenze del futuro?
È questa la prospettiva più utile per leggere il report: non solo come fotografia dell’occupazione, ma come indicatore preliminare di una trasformazione più ampia che tocca struttura dei team, formazione interna, composizione delle seniority e modelli organizzativi.
Il dato da non perdere:
il rischio più sottovalutato non è una disoccupazione di massa immediata, ma una compressione progressiva del lavoro d’ingresso. Se si riducono i ruoli junior, si indebolisce la filiera che forma i professionisti senior di domani.
Cosa dice Anthropic
Il cuore del report è una nuova metrica chiamata observed exposure.
In sostanza, Anthropic combina due livelli di analisi: da un lato la fattibilità teorica di un task con i large language model, dall’altro l’uso reale osservato in contesti di lavoro. L’obiettivo è distinguere ciò che l’AI potrebbe fare da ciò che sta già facendo ovvero la sua adozione nei contesti di lavoro.
È una differenza importante. Negli ultimi due anni molte analisi hanno ragionato soprattutto in termini di potenziale teorico, alimentando letture molto drastiche. Anthropic prova invece a introdurre un criterio più concreto: non basta sapere che un’attività è tecnicamente automatizzabile, bisogna capire se questa automazione si manifesta davvero nei workflow professionali.
I risultati sono già sufficienti per correggere alcune semplificazioni diffuse. Le occupazioni più esposte non coincidono con il lavoro manuale o con i ruoli considerati più deboli. Emergono invece molte professioni cognitive, d’ufficio, digitali e linguistiche: programmatori, customer service representatives, addetti al data entry, specialisti della documentazione sanitaria, analisti di mercato, figure finanziarie e di supporto tecnico.
Il punto, quindi, non è la qualifica in senso tradizionale, ma quanto le attività possano essere descritte, standardizzate e rese formalizzabili. L’AI generativa entra con più facilità dove esistono task digitali, strutturati, ripetibili, descrivibili e verificabili. E questo riguarda molti lavori che per anni si sono pensati come troppo complessi per essere veramente toccati.
Non è un caso che questo impatto si concentri soprattutto sulle attività cognitive, linguistiche e strutturate. È un tema che avevamo toccato anche nell’articolo Come l’intelligenza artificiale lavora con il nostro cervello , dove emerge come l’AI stia già modificando il modo in cui apprendiamo, lavoriamo e prendiamo decisioni.
Un altro aspetto rilevante è il divario tra capacità tecnica e uso reale. In più categorie professionali il potenziale dei modelli è molto più alto della loro adozione concreta nelle aziende. Questo dato può sembrare rassicurante, ma letto bene dice altro: non che il rischio sia minore, bensì che la trasformazione è ancora in fase di assorbimento.
Lo spunto più importante
Il fatto che l’AI possa fare più di quanto le aziende stiano già usando non riduce la portata del fenomeno. Indica, piuttosto, che siamo ancora nella sua fase iniziale. Prima si trasformano i processi, poi le politiche di hiring, poi l’architettura dei team. Solo dopo il cambiamento diventa abbastanza maturo da comparire con evidenza nei numeri macro.
Quali lavoratori sono oggi più esposti all’AI?
Il report di Anthropic mostra che i lavoratori più esposti all’intelligenza artificiale non sono quelli manuali o meno qualificati, ma molte figure del lavoro cognitivo e d’ufficio. In cima alla classifica compaiono i programmatori informatici, con una copertura osservata del 74,5%, seguiti dagli addetti al customer service al 70,1%, dagli operatori di data entry al 67,1% e dagli specialisti della documentazione medica al 66,7%.
All’estremo opposto, circa il 30% dei lavoratori presenta un’esposizione pari a zero. Rientrano in questa fascia professioni come cuochi, meccanici, bagnini e baristi: ruoli in cui contano presenza fisica, interazione diretta con persone e ambienti, capacità di adattamento immediato e giudizio situazionale. Sono attività che, almeno oggi, non possono essere assorbite facilmente da un modello linguistico.
C’è poi un altro dato che merita attenzione. I lavoratori più esposti all’AI tendono a essere più spesso donne, più istruiti, meglio retribuiti e mediamente più anziani. Questo rende il quadro ancora più interessante, perché smentisce una delle narrazioni più superficiali sull’automazione: non sono soprattutto i profili tradizionalmente considerati più fragili a trovarsi al centro dell’impatto iniziale, ma molte professioni del lavoro cognitivo strutturato.
È proprio questo uno degli aspetti più rilevanti del report: l’AI non sta colpendo prima di tutto il lavoro povero o esecutivo in senso classico, ma le attività che possono essere codificate, standardizzate e trasformate in flussi operativi prevedibili. E questo complica molto le letture semplicistiche sulla disruption dell’intelligenza artificiale nel mercato del lavoro.
Perché l’AI rischia di colpire prima il lavoro junior
Uno dei passaggi più citati del report riguarda il fatto che, almeno per ora, non emergono prove forti di un aumento sistematico della disoccupazione nelle occupazioni più esposte. Questo è un dato utile e merita attenzione, ma non è il dato più interessante.
Il segnale più delicato, nel bacino preso in considerazione da Anthropic, riguarda i giovani tra i 22 e i 25 anni. Nelle occupazioni ad alta esposizione, Anthropic osserva un calo dell’ingresso in nuovi lavori rispetto al 2022. Gli stessi autori del report invitano alla prudenza interpretativa, e fanno bene, ma la direzione del segnale è già significativa.
Qui sta la lettura più interessante e anche più critica del report: l’AI potrebbe non distruggere subito i posti esistenti, ma comprimere l’accesso ai posti futuri. E questo è un impatto molto meno visibile, molto più lento, ma anche molto più strutturale.
Se un’azienda riesce a produrre lo stesso output con cinque senior supportati da AI invece che con cinque senior più due junior, non deve necessariamente licenziare nessuno oggi: semplicemente può decidere di non assumere domani. Il problema è che quel junior, non entrando, non accumula esperienza, non sviluppa mestiere, non acquisisce contesto, non diventa il middle o il senior di dopodomani.
È qui che il tema esce dall’economia del lavoro in senso stretto e diventa un tema organizzativo e formativo. Non riguarda solo il numero di occupati, ma la capacità di un sistema di generare competenze nel tempo.
Questa lettura è coerente anche con altri studi empirici sull’AI generativa nel lavoro. In diversi contesti, l’effetto principale non sembra essere la sostituzione immediata, ma la redistribuzione della produttività e della competenza. Questo può aiutare i profili meno esperti già presenti, ma allo stesso tempo ridurre gli incentivi ad assumere nuove figure in ingresso.
I limiti del report Anthropic: metodo, perimetro e bias
Qui serve uno sguardo più critico. Il report è serio, ben costruito e più utile di molta divulgazione superficiale. Ma la sua metrica principale incorpora un limite strutturale: una parte dell’analisi si basa sui casi d’uso osservati nell’ecosistema Anthropic.
Questo significa che l’observed exposure non è una misura perfettamente neutrale dell’intero mercato del lavoro. È una misura mediata da un prodotto, da una base utenti, da una logica di utilizzo e da pattern di adozione specifici. In modo ancora più diretto: il report osserva il lavoro attraverso il vetro di Claude.
Non è un motivo per scartarlo. Anzi, è proprio la vicinanza ai dati reali di utilizzo a renderlo più interessante di molte stime teoriche. Ma non va trasformato in un verdetto definitivo. Il mercato reale è già multi-modello, multi-tool e multi-processo. Le imprese usano ChatGPT, Copilot, Gemini, agenti verticali, strumenti embedded nei software di lavoro, API, automazioni e stack proprietari.
C’è poi un secondo limite, ancora più sostanziale. Le professioni non sono semplici somme di task ma combinazioni di esecuzione, giudizio, responsabilità, coordinamento, contesto e fiducia. Automatizzare una porzione di lavoro non equivale automaticamente a sostituire un ruolo. La task analysis è utilissima per capire dove l’AI entra ma meno sufficiente per capire dove il lavoro scompare davvero.
C’è infine un terzo limite da considerare: il report osserva soprattutto il mercato del lavoro statunitense, storicamente più rapido nell’adozione delle nuove tecnologie. In Italia, dove il tessuto economico è composto in larga parte da piccole e medie imprese, è plausibile che l’adozione organizzativa dell’AI segua tempi più lenti. Questo non riduce la rilevanza del report, ma invita a leggerne i risultati come un segnale anticipatore più che come una fotografia immediatamente trasferibile al contesto italiano.
Perché alta esposizione all’AI non significa automaticamente meno lavoro?
Un altro punto importante del report riguarda la relazione tra esposizione all’AI e proiezioni di crescita occupazionale. Il dato è interessante, ma va letto con cautela. Il rischio di una lettura meccanica è molto alto.
Il motivo è semplice: alta esposizione non equivale automaticamente a declino occupazionale. Alcuni ruoli possono essere molto esposti e continuare comunque a crescere. In certi casi l’AI non elimina il lavoro, ma ne cambia perimetro, organizzazione e produttività. In altri casi può addirittura aumentare la domanda complessiva di quel tipo di funzione.
Questo vale in particolare per molti ruoli tecnici, analitici e digitali. L’errore più frequente è scambiare l’esposizione per destino. Misurare l’esposizione è utile, usarla come profezia automatica è sbagliato.
Come l’AI cambia la formazione interna?
La parte più sottovalutata di tutto questo dibattito riguarda l’organizzazione del lavoro. La maggior parte delle aziende sta misurando l’AI attraverso KPI di efficienza: tempo risparmiato, task completati, contenuti prodotti, ticket gestiti, riduzione dei costi. Sono metriche comprensibili, ma non bastano.
Se vogliamo leggere bene l’impatto dell’AI, non bastano metriche superficiali. Ne abbiamo parlato anche in Il grande inganno delle metriche: ROAS, AI e profitto reale , dove il punto è proprio distinguere tra segnali apparenti e impatto reale sui risultati.
Quello che molte organizzazioni non stanno ancora misurando è la tenuta del proprio modello di apprendimento interno. Se le attività junior vengono compresse, automatizzate o assorbite da pochi senior con il supporto dell’AI, come si formano i professionisti di domani? Chi farà esperienza sulle attività semplici ma formative? Chi costruirà quella memoria operativa che oggi si acquisisce correggendo errori, osservando i senior, gestendo casi ripetitivi e accumulando contesto?
“Se non assumi un junior oggi perché hai l’AI, non avrai un senior domani.”
Questo è il vero rischio sistemico. Non il payroll del prossimo trimestre, ma la qualità della pipeline di competenze del 2028, del 2029 e del 2030. L’AI non modifica soltanto la produttività individuale. Ridefinisce la catena di apprendimento dentro l’impresa.
Per questo le aziende più mature dovrebbero iniziare a porsi domande più avanzate: quali ruoli rischiano di svuotarsi? Quali seniority smettiamo di coltivare? Come cambia il rapporto tra senior, middle e junior? Quali attività restano umane perché dipendono da giudizio, relazione, responsabilità e contesto?
Le visioni più radicali: Elon Musk e Sam Altman sul futuro del lavoro
Accanto ai dati osservati da Anthropic, vale la pena considerare anche le previsioni più radicali avanzate da alcuni dei protagonisti della corsa all’intelligenza artificiale. Aiutano a capire il clima culturale e strategico in cui si muove oggi il dibattito sul lavoro.
Elon Musk: verso un’economia in cui il lavoro diventa opzionale
Elon Musk descrive uno scenario estremamente spinto. Nella sua visione, la combinazione tra AI, robotica umanoide ed energia abbondante potrebbe portare, nel giro di pochi anni o decenni, a un mondo in cui il lavoro umano non sarà più una necessità economica, ma una scelta personale.
È una prospettiva di automazione quasi totale, in cui il problema non sarebbe più trovare lavoro, ma ridefinire il senso stesso del lavoro.
Sam Altman: alcuni lavori spariranno, ma il sistema si riconfigurerà
Sam Altman adotta un tono meno utopico, ma non per questo meno dirompente. Da tempo sostiene che la forma dei lavori cambierà profondamente, che alcune persone perderanno il proprio ruolo e che il rapporto tra capitale, lavoro e protezione sociale dovrà essere ripensato.
Allo stesso tempo, insiste sull’idea che non ci troveremo soltanto davanti a distruzione occupazionale, ma anche a una ridefinizione del lavoro: nuovi strumenti, nuove funzioni e nuove attività economiche nasceranno proprio grazie all’AI.
La differenza tra previsione e evidenza
Il punto decisivo è questo: le visioni di Musk e Altman vanno lette come forecast strategici e politici, non come prova empirica di ciò che sta già accadendo. È proprio qui che il report di Anthropic diventa utile: riporta il discorso dal terreno delle dichiarazioni radicali a quello dei segnali osservabili.
In altre parole, Musk e Altman ragionano su dove l’AI potrebbe portarci. Anthropic prova invece a misurare dove, concretamente, l’AI sta già iniziando a intervenire nel mercato del lavoro.
Conclusioni
Il merito del report di Anthropic è aver riportato il discorso sull’impatto dell’AI nel lavoro dentro una cornice più misurabile e meno ideologica. Il suo limite è che misura una transizione ancora in corso e la misura da una finestra necessariamente parziale. Ma proprio per questo il report è utile.
La lettura più superficiale direbbe: l’AI non sta causando disoccupazione di massa, quindi l’allarme è eccessivo. La lettura più matura dice: il cambiamento è già partito, ma potrebbe manifestarsi prima nei processi e nelle assunzioni che nei licenziamenti.
Gli impatti più seri potrebbero non comparire dove tutti stanno guardando. Non nei titoli più rumorosi. Non nella fine immediata del lavoro umano. Ma nella contrazione silenziosa del lavoro d’ingresso, nella rarefazione delle occasioni per imparare, nella trasformazione del mestiere in una sequenza di output governati da pochi esperti assistiti da molti modelli.
Se questa lettura è corretta, allora la domanda più importante non è solo quanti posti l’AI distruggerà ma quanti professionisti rischia di impedire che nascano.
Cosa dovrebbero fare aziende, HR e manager davanti all’AI?
La reazione più intelligente non è negare l’impatto dell’AI, ma nemmeno rincorrere una narrativa catastrofica. Si devono costruire metriche più mature. Non soltanto produttività per lavoratore, ma anche qualità dell’onboarding, velocità di apprendimento, dipendenza dai senior, tasso di escalation verso l’umano, tenuta della formazione interna e capacità di costruire competenze che non siano solo esecuzione.
Il tema non è uomo contro macchina ma progettare organizzazioni ed aziende che sappiano usare l’AI senza svuotare il percorso con cui si formano le persone.
FAQ
Il report di Anthropic dice che l’AI sta causando disoccupazione di massa?
No. Il report non mostra, almeno per ora, un aumento sistematico della disoccupazione nelle occupazioni più esposte. Il segnale più delicato riguarda piuttosto il rallentamento dell’ingresso dei giovani in alcuni lavori ad alta esposizione.
Quali sono i lavori più esposti secondo Anthropic?
Tra i ruoli più esposti compaiono programmatori, customer service representatives, addetti al data entry, specialisti della documentazione sanitaria, analisti di mercato e profili finanziari. In generale, risultano più toccate le attività cognitive, strutturate, digitali e linguistiche.
Cosa misura l’observed exposure?
È una metrica che combina la possibilità teorica che un modello linguistico svolga un task con l’uso reale osservato in contesti professionali. Serve a distinguere il potenziale tecnico dell’AI dalla sua adozione concreta nel lavoro.
Perché il rischio per i junior può essere più importante del dato sulla disoccupazione?
Perché un mercato che smette di assumere profili in ingresso può sembrare stabile nel breve periodo, ma nel medio termine impoverisce la pipeline di competenze, riduce la mobilità professionale e rende più fragile la formazione dei futuri profili senior.
Alta esposizione all’AI significa che un lavoro sparirà?
No. Esposizione non significa destino. Alcuni ruoli verranno compressi, altri si trasformeranno, altri ancora potrebbero crescere perché l’AI ne aumenta la produttività o amplia la domanda complessiva.
Bibliografia
Anthropic Research
Labor market impacts of AI: A new measure and early evidence
Paper PDF
Versione integrale del paper pubblicato da Anthropic.
NBER
Generative AI at Work, Brynjolfsson, Li, Raymond.
BLS
Employment Projections 2024–2034.
Continua a leggere
11 minuti di lettura
14 minuti di lettura
E fa consumare meno energia.
Per tornare alla pagina che stavi visitando ti basterà cliccare o scorrere.